Թարգմանչաց շարժման տեսադարանը

Ինչպե՞ս են իրականում աշխատում ՆՅՈՒՐԱՅԻՆ ՑԱՆՑԵՐԸ:.mp4

WEBVTT

00:02.000 --> 00:06.000
Merriun Academy-ն մատչելի կրթական հարթակ է:

00:07.000 --> 00:13.000
Տղերք, ես հիմա գրում եմ Merrion Academy-ի տեսահոլովակների սցենարները, և դուք կարող եք աջակցել նոր ձայնին:

00:13.000 --> 00:15.000
Մենք մի տեսակ, լավ, փորձում ենք ամեն ինչ այստեղ:

00:15.000 --> 00:16.000
Ճիշտ է, ճշմարիտ։

00:16.000 --> 00:18.000
Վերահսկիչ սենյակ, ես լսում եմ:

00:18.000 --> 00:19.000
Այո, բարև:

00:19.000 --> 00:24.000
Ուղղակի ուզում էի ասել, որ Marion Academy հեռագրային ալիքը շատ օգտակար բարիքներ ունի ՏՏ թեմաներով։

00:24.000 --> 00:27.000
Կան վիկտորինաներ, հայտարարություններ, իրադարձություններ և մեմեր, իհարկե:

00:27.000 --> 00:30.000
Ուղարկեք մեկին, որպեսզի ստուգի նկարագրության հղումը:

00:30.000 --> 00:33.000
Երիտասարդ, սա կառավարման սենյակն է, ու՞ր պետք է զանգել։

00:34.000 --> 00:35.000
Նեյրո, յո.

00:35.000 --> 00:43.000
Դու հստակ գիտես, որ հիմա, մի՛ ցրիր սա, մի՛ ցրիր այն, մի՛ ցրիր, դու առանց պանրի անցքեր ես գծել, կյանքի գլխավոր հարցին պատասխանեց ոչ վարդը։

00:43.000 --> 00:44.000
Ինչո՞ւ է սա այդպես։

00:44.000 --> 00:47.000
Տիեզերքը և այդ ամենը, չնայած դու չես հարցրել.

00:47.000 --> 00:53.000
Դուք կզարմանա՞ք, թե ինչպես են նրանք աշխատում, ինչպես են ձեր սիրելի երգերը հնչեցնում Sunboy մարգարեի ձայնի նման:

00:54.000 --> 00:58.000
Իրականում նեյրոնային ցանցը նման է միմյանց հետ կապված փոքրիկ ուղեղների մի փունջին:

00:58.000 --> 01:02.000
Նրանք ստանում են տեղեկատվություն, մշակում և արդյունք են տալիս:

01:02.000 --> 01:10.000
Նրանք սկզբում դա վատ են անում, բայց որքան շատ տեղեկություններ են ստանում, այնքան ավելի լավն են դառնում, ինչպես մի լակոտ, որին սովորեցնում էս կատարել հրամանները:

01:11.000 --> 01:14.000
Իսկ մեքենայական ուսուցումը նեյրոնային ցանցին օգտակար բան անել սովորեցնելու միջոց է:

01:14.000 --> 01:17.000
Մենք նրան բազմաթիվ օրինակներ ենք տալիս, և նա սովորում է դրանցից:

01:17.000 --> 01:21.000
Հիմա կարծես բոլորը կարծում են, որ նեյրոնային ցանցերը և մեքենայական ուսուցումը նոր բան են:

01:22.000 --> 01:30.000
Բայց իրականում ամեն ինչ սկսվեց անցյալ դարի կեսերից, երբ գիտնականները փորձեցին ստեղծել արհեստական ​​ուղեղ, որն ունակ է մտածելու և սովորելու իրականի պես:

01:30.000 --> 01:39.000
Այսպիսով, 1943 թվականին գիտնականներն առաջարկեցին նեյրոնի առաջին մաթեմատիկական մոդելը՝ հենց այն շինարարական բլոկը, որից կառուցված են բոլոր ժամանակակից նեյրոնային ցանցերը:

01:40.000 --> 01:46.000
Սա մաթեմատիկական ֆունկցիա է, որը ընդունում է մի քանի արժեքներ որպես մուտքագրում, մշակում դրանք և արտադրում մեկ արժեք որպես ելք:

01:46.000 --> 01:53.000
Ըստ էության, դա մեր ուղեղից նեյրոնի պարզեցված մոդել է, որը նմանակում է տեղեկատվություն ստանալու, մշակելու և փոխանցելու նրա կարողությունը:

01:53.000 --> 02:00.000
14 տարի անց նրանք ստեղծեցին մի բան, որը կոչվում էր «Տրանսֆորմերներ» կամ «Ինչ-որ բան, որը կարող է սպանել Սուպերմենին»:

02:00.000 --> 02:05.000
Perceptron-ը արհեստական ​​ինտելեկտի առաջին մոդելներից մեկն է, որը մոդելավորում է ուղեղի աշխատանքը:

02:05.000 --> 02:09.000
Դա մաթեմատիկական մոդել էր, որն ընդունակ էր սովորել փորձից:

02:09.000 --> 02:15.000
Պերցեպտրոնը վերցնում է մի քանի մուտքային ազդանշաններ, դրանք բազմապատկում է որոշակի արժեքներով և արդյունքը փոխանցում ելքին:

02:16.000 --> 02:24.000
Եթե ​​արդյունքը գերազանցում է որոշակի շեմը, ապա պերցեպտրոնն ակտիվանում է և արտադրում է ելքային ազդանշան, իսկ եթե ոչ, ապա այն չի ակտիվանում և արտադրում է զրոյական ազդանշան։

02:24.000 --> 02:31.000
1960-ականներին նոր մոդելներ ու ալգորիթմներ էին մշակվում, բայց բոլորը հիասթափված էին։

02:31.000 --> 02:40.000
Պարզվեց, որ պարզ նեյրոնային ցանցերը, ինչպիսին Percepton-ն է, ի վիճակի չեն լուծելու այնպիսի բարդ խնդիրներ, ինչպիսիք են խոսքի ճանաչումը կամ տեքստի թարգմանությունը, և դրանց նկատմամբ հետաքրքրությունը մարել է։

02:40.000 --> 02:50.000
Բայց 1986 թվականին հայտնագործվեց ետ տարածման ալգորիթմը, որը հնարավորություն տվեց վարժեցնել ավելի բարդ նեյրոնային ցանցեր մի քանի շերտերով։

02:50.000 --> 02:52.000
Սա նեյրոնային ցանցերի երկրորդ ծնունդն էր։

02:53.000 --> 03:01.000
Նոր մոդելներ են ի հայտ եկել, ինչպիսիք են կոնվոլյուցիոն նեյրոնային ցանցերը և կրկնվող նեյրոնային ցանցերը, որոնք հիանալի արդյունքներ են ցույց տվել բարդ խնդիրների լուծման գործում։

03:02.000 --> 03:03.000
Նրանց մասին կխոսենք մի փոքր ուշ:

03:03.000 --> 03:10.000
Իսկ 2010-ին համակարգչային տեխնոլոգիաների զարգացման և մեծ քանակությամբ տվյալների ի հայտ գալու ֆոնին բում եղավ:

03:10.000 --> 03:11.000
Ի՞նչ կարող են անել։

03:11.000 --> 03:24.000
Իհարկե, նկարեք մարդկանց վեց մատով, ճանաչեք դեմքեր և պատկերներ, թարգմանեք տեքստեր, վարեք մեքենա, գրեք ձեզ համար կոդ, միյազաք արեք այն ամենը, ինչ կարող եք և, իհարկե, տեսանյութեր պատրաստեք կոկորդիլոս ռմբակոծիչի մասին:

03:25.000 --> 03:26.000
Ինչպե՞ս են դրանք ստեղծվում:

03:26.000 --> 03:33.000
Դե տես, ընկերս, նեյրոնային ցանց ստեղծելու համար նախ պետք է ընտրել ցանցի ճարտարապետությունը, սովորելու ալգորիթմները և պատրաստել տվյալները։

03:34.000 --> 03:38.000
Իսկ սովորեցնելու համար հարկավոր է նրան ցույց տալ բազմաթիվ օրինակներ և ասել, թե որտեղ է նա ճիշտ, և որտեղ՝ սխալ:

03:38.000 --> 03:42.000
Օրինակ՝ որտեղ է հացը, և որտեղ է կատուն, որտեղ է Գիգանը, որտեղ է Ժիգանը։

03:42.000 --> 03:45.000
Եվ նա աստիճանաբար սովորում է անել այն, ինչ մեզ անհրաժեշտ է:

03:45.000 --> 03:47.000
Գոյություն ունեն նեյրոնային ցանցերի մի քանի տեսակներ.

03:47.000 --> 03:51.000
Նյարդային ցանցի առաջին տեսակը պերցեպտրոնն է, որի մասին դուք արդեն գիտեք։

03:51.000 --> 03:54.000
Չնայած նա բումեր է, բայց այսօր էլ ակտուալ է։

03:54.000 --> 04:01.000
Այն բաղկացած է նեյրոնների ընդամենը մեկ շերտից և ի վիճակի է լուծել այնպիսի պարզ խնդիրներ, ինչպիսին է օբյեկտների դասակարգումը, կրկին պլյուսով:

04:02.000 --> 04:04.000
Հաջորդը գալիս է բազմաշերտ պերցեպտրոնը:

04:04.000 --> 04:08.000
Սա ավելի բարդ տարբերակ է, որը բաղկացած է նեյրոնների մի քանի շերտերից։

04:08.000 --> 04:14.000
Այն կարող է կատարել ավելի բարդ խնդիրներ, ինչպիսիք են ձեռագրի ճանաչումը կամ պատկերների դասակարգումը:

04:14.000 --> 04:17.000
Հաջորդ տեսակը կոնվոլյուցիոն նեյրոնային ցանցերն են:

04:17.000 --> 04:20.000
Սա նեյրոնային ցանցի հատուկ տեսակ է, որը հարմար է պատկերի մշակման համար։

04:20.000 --> 04:22.000
Այն օգտագործում է ոլորումներ, այսինքն.

04:22.000 --> 04:30.000
հատուկ զտիչներ, որոնք սկանավորում են պատկերը և հայտնաբերում դրա տարբեր առանձնահատկություններ, ինչպիսիք են եզրերը, անկյունները կամ ձևերը:

04:30.000 --> 04:34.000
Սա թույլ է տալիս ճանաչել դեմքերը, դասակարգել պատկերները և նկարել նորերը:

04:35.000 --> 04:38.000
Մեկ այլ տեսակ կրկնվող նեյրոնային ցանցերն են:

04:38.000 --> 04:42.000
Նրանք հարմար են հաջորդական մշակման համար, ինչպիսիք են տեքստը կամ ձայնը:

04:42.000 --> 04:48.000
Նրանք ունեն հիշողություն, որը թույլ է տալիս ընթացիկը մշակելիս հաշվի առնել հաջորդականության նախորդ տարրերը:

04:48.000 --> 04:56.000
Նրանց շնորհիվ է, որ աշխատում են այնպիսի բաներ, ինչպիսիք են մեքենայական թարգմանությունը, խոսքի ճանաչումը և լրտես Գալուբիրոյի մասին տեքստի ստեղծումը:

04:56.000 --> 04:58.000
Կան նաև գեներատիվ հակառակորդ ցանցեր։

04:58.000 --> 05:03.000
Սա նեյրոնային ցանցի տեսակ է, որը բաղկացած է երկու մասից՝ գեներատորից և դիսկրիմինատորից:

05:03.000 --> 05:10.000
Գեներատորը փորձում է ստեղծել նոր տվյալներ, որոնք նման են իրական տվյալների, իսկ խտրականացնողը փորձում է տարբերել կեղծ տվյալները իրական տվյալներից:

05:11.000 --> 05:16.000
Այս մրցակցային մոտեցումը թույլ է տալիս նրանց ստեղծել իրատեսական պատկերներ, տեսանյութեր և երաժշտություն:

05:16.000 --> 05:23.000
Իսկ այսօրվա համար վերջին տեսակը տրանսֆորմատորներն են՝ համեմատաբար նոր տեսակի նեյրոնային ցանցեր, որոնք օգտագործվում են բնական լեզվի մշակման ոլորտում։

05:23.000 --> 05:29.000
Նրանք օգտագործում են ուշադրության մեխանիզմ, որը թույլ է տալիս յուրաքանչյուր բառը մշակելիս հաշվի առնել ամբողջ տեքստի համատեքստը:

05:30.000 --> 05:34.000
Բայց դուք հասկանում եք, ձեր այս GPT զրույցը բառացիորեն նշանակում է դա:

05:34.000 --> 05:42.000
Սրանք բոլոր տեսակները չեն, դեռ կան մի շարք ուրիշներ տարբեր հատուկ առաջադրանքների համար, ինչպիսիք են պատկերի սեղմումը, ձայնից աղմուկի հեռացումը և այլն:

05:42.000 --> 05:44.000
Ինչից են կազմված նեյրոնային ցանցերը:

05:44.000 --> 05:51.000
Դրանք բաղկացած են մի քանի հիմնական բաղադրիչներից՝ նեյրոններն իրենք են ստանում տեղեկատվություն և փոխանցում այն ​​հետագա:

05:51.000 --> 05:55.000
Միացումները նման են լարերի, որոնք միացնում են նեյրոնները միմյանց:

05:55.000 --> 05:59.000
Իսկ կշիռները թվեր են, որոնք ցույց են տալիս, թե որքան ամուր է կապը նեյրոնների միջև:

06:00.000 --> 06:02.000
Նեյրոնները խմբավորված են շերտերի:

06:02.000 --> 06:09.000
Առաջին շերտը կոչվում է մուտքային շերտ, վերջին շերտը՝ ելքային շերտ, իսկ մնացած բոլոր շերտերը՝ թաքնված։

06:10.000 --> 06:13.000
Մուտքային շերտի յուրաքանչյուր նեյրոն տեղեկատվություն է ստանում արտաքին աշխարհից:

06:13.000 --> 06:24.000
Ելքային շերտի յուրաքանչյուր նեյրոն արտադրում է նեյրոնային ցանցի արդյունքը, իսկ թաքնված շերտերի նեյրոնները մշակում են նախորդ շերտից ստացված տեղեկատվությունը և փոխանցում հաջորդին։

06:24.000 --> 06:28.000
Կապի կշիռները ընտրվում են նեյրոնային ցանցի ուսուցման գործընթացում:

06:28.000 --> 06:36.000
Նյարդային ցանցի մարզումը նշանակում է գտնել այնպիսի կշիռներ, որոնց դեպքում նեյրոնային ցանցը ճիշտ կլուծի տրված խնդիրը 5 գումարած միավորով:

06:37.000 --> 06:49.000
Այս կառուցվածքը կրկնում է ուղեղի անատոմիան, քանի որ մենք ունենք նեյրոններ, որոնք փոխկապակցված են և միմյանց հետ փոխանակում են տարբեր ինտենսիվության էլեկտրական ազդանշաններ, որոնք արհեստական ​​նեյրոնային ցանցերում նշանակվում են որպես կապերի կշիռ։

06:49.000 --> 06:53.000
Որոշ մարդիկ ավելի շատ նեյրոններ ունեն, իսկ մյուսները դիտում են TikToks-ը տրալելլո-տրալալայի մասին:

06:54.000 --> 06:58.000
Բարդ է թվում, լավ, բայց ինչպե՞ս եք ծրագրավորում այս ամենը:

06:58.000 --> 07:03.000
Դե, տեսեք, որպեսզի անիվը նորից չհայտնագործեն, նրանք հատուկ գործիքներ են ստեղծել նեյրոններ ստեղծելու համար։

07:03.000 --> 07:06.000
Ամենատարածվածը Tensorflow-ն ու Keras-ն են:

07:06.000 --> 07:09.000
Tensorflow-ը Google-ի կողմից մշակված գրադարան է:

07:09.000 --> 07:16.000
Դա նման է մի գործարանի, որտեղ դուք կարող եք ստեղծել ամենաբարդ բաները, և կան շատ բարդ մեխանիզմներ, և դուք պետք է կարողանաք կառավարել դրանք:

07:16.000 --> 07:19.000
Իսկ Keras-ը գործարանի համար հարմար ինտերֆեյսի նման է:

07:19.000 --> 07:22.000
Այս գրադարանը TensorFlow-ին դարձնում է ավելի պարզ և հեշտ օգտագործման համար:

07:23.000 --> 07:26.000
Keras-ի միջոցով դուք կարող եք ստեղծել նեյրոնային ցանցեր ընդամենը մի քանի տող կոդով:

07:26.000 --> 07:38.000
Միևնույն ժամանակ, մենք՝ կաշվե պայուսակները, դեռ մի քիչ ժամանակ ունենք, մինչև մեզ փոխարինի գերհետախուզությունը, ժամանակն է զրոյից ներխուժելու մեքենայական ուսուցման նեյրոնային ցանցերի աշխարհ՝ ոչ միայն նեյրոնային ցանցերն օգտագործելու, այլ դրանք ստեղծելու համար:

07:38.000 --> 07:44.000
Դուք կարող եք դա անել անմիջապես՝ հետևելով նկարագրության հղմանը, քանի որ նեյրոնային ցանցերի մեր նոր դասընթացի ներածական դասն արդեն հասանելի է այնտեղ:

07:45.000 --> 07:59.000
Դասընթացի ընթացքում մենք կուսումնասիրենք նեյրոնային ցանցերի սարքերն ու մեխանիզմները, կաշխատենք նախապես պատրաստված նեյրոնային ցանցերի հետ, որոնք դուք կարող եք տեղադրել հենց տանը, և կգրենք ձեր սեփական մի քանի նեյրոնային ցանցեր, որոնք կճանաչեն պատկերները և կգեներացնեն տեքստ, ինչպիսին է GPT չաթը:

07:59.000 --> 08:04.000
Իսկ օգտագործելով Buba Juba գովազդային կոդը կարող եք ստանալ հավելյալ 5 տոկոս  զեղչ ամբողջական դասընթացի համար:

08:04.000 --> 08:09.000
Հիմա եկեք նայենք նեյրոնային ցանցերի օրինակներին, բայց դրանք այնքան շատ են, ուստի մենք կանդրադառնանք միայն մի մասի:

08:09.000 --> 08:19.000
Դե, առաջին համարը չաթ-բոտերն են, ինչպիսիք են chat-GPT, Gemini, Cloud, Groc և DeepSig, որոնց օգտագործումը մեծացնում է ձեր սոցիալական նյարդայնացումը:

08:19.000 --> 08:29.000
Սրանք նեյրոնային ցանցեր են, որոնք կարող են բնական լեզվով շփվել մարդկանց հետ և կարող են պատասխանել հարցերին, գրել տեքստեր, ստեղծել կոդ, թարգմանել դրանք, նույնիսկ զվարճալի կատակներ անել, ինչպես մենք:

08:29.000 --> 08:34.000
Ի դեպ, Yandex-ը, GPT-ն ու Giga Chat-ը նույնպես լավ են սոցիալական վարկանիշը պահպանելու համար։

08:34.000 --> 08:44.000
Ստեղծագործության համար կան Mid Journey-ն և Dali-ն, ովքեր կարող են նկարներ նկարել՝ հիմնվելով տեքստի նկարագրության վրա.

08:44.000 --> 08:49.000
Դրանք նաև ներկառուցված են յուրաքանչյուր հավելվածի և գործիքի մեջ, ուստի ավելի հեշտ է որոշել, թե որտեղ են դրանք բացակայում:

08:49.000 --> 09:01.000
Օրինակ՝ սրանք երաժշտական ​​առաջարկներ են՝ հիմնված ձեր նախասիրությունների վրա Spotify-ում, GitHub-ում, որը կոդի հուշումներ է տալիս հենց մշակման միջավայրում կամ Google Translate-ում, որը փորձում է հասկանալ տեքստի իմաստը և հնարավորինս ճշգրիտ թարգմանել այն:

09:01.000 --> 09:06.000
Դե, ի վերջո, ինչպես միշտ, հարցն այն է, թե նեյրոնային ցանցերը դեռ ի՞նչ չեն կարող անել:

09:06.000 --> 09:12.000
Իսկ դուք ի՞նչ եք կարծում, այս տեսահոլովակի սցենարը նեյրոնցանցն է գրել, թե՞ Մերիոնի տղաները հոգատարությամբ են գրել:

09:12.000 --> 09:19.000
Եվ պարզապես հետաքրքրությունից դրդված, ես հարցնում եմ. Դուք պատահաբար գիտե՞ք Ջոն Քոնորի ճշգրիտ ներկայիս գտնվելու վայրը:

09:19.000 --> 09:24.000
Գրեք ձեր պատասխանը մեկնաբանություններում՝ ձեզ դուր կգա, բաժանորդագրվեք ալիքին և լվացեք ձեր ատամները ամեն առավոտ և երեկո։

09:24.000 --> 09:26.000
Իսկ մենք արդեն գրում ենք հաջորդ տեսահոլովակի սցենարը։

09:26.000 --> 09:27.000
Նեյդա ցտեսություն